-
Patent Agency Ranking
公开(公告)号：CN108768904A
公开(公告)日：2018-11-06
申请号：CN201810353005.0
申请日：2018-04-19
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
CPC classification number: H04L25/03165 , H04L1/0038
Abstract: 基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法，包括如下步骤：S1、获取单个HNN神经元的状态；S2、根据各HNN神经元的状态获取多个神经元使用权值相互连接得到的Hopfield神经网络结构，并计算其相对应的动态方程；S3、根据Hopfield神经网络结构的输出构建接收数据矩阵；S4、根据接收数据矩阵优化为幅值相位型离散Hopfield神经网络结构；S5、构建带扰动的幅相型离散Hopfield神经网络。本发明在Hopfiled神经网络的基础上将扰动因子加在权矩阵和激活函数之间，既继承了神经网络的所有优点且其收敛速度更快并不容易陷入局部最小，为无线通信网提供了准确且快速的信号盲检测方法。
-
公开(公告)号：CN108768904B
公开(公告)日：2021-09-28
申请号：CN201810353005.0
申请日：2018-04-19
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法，包括如下步骤：S1、获取单个HNN神经元的状态；S2、根据各HNN神经元的状态获取多个神经元使用权值相互连接得到的Hopfield神经网络结构，并计算其相对应的动态方程；S3、根据Hopfield神经网络结构的输出构建接收数据矩阵；S4、根据接收数据矩阵优化为幅值相位型离散Hopfield神经网络结构；S5、构建带扰动的幅相型离散Hopfield神经网络。本发明在Hopfiled神经网络的基础上将扰动因子加在权矩阵和激活函数之间，既继承了神经网络的所有优点且其收敛速度更快并不容易陷入局部最小，为无线通信网提供了准确且快速的信号盲检测方法。
-
公开(公告)号：CN108540269B
公开(公告)日：2020-09-15
申请号：CN201810347978.3
申请日：2018-04-18
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明公开了一种基于幅相型离散多电平TCNN的MPSK盲检测方法，基于暂态混沌神经网络的全局搜索能力，并利用混沌动力学行为进行全局优化，从而克服了幅相型离散多电平Hopfield神经网络在解决MPSK信号盲检测中易陷入局部最优解和需要多个起点的缺点。
-
公开(公告)号：CN108540269A
公开(公告)日：2018-09-14
申请号：CN201810347978.3
申请日：2018-04-18
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
CPC classification number: H04L41/145 , H04L1/0038 , H04L25/03165 , H04L27/001 , H04L27/3405
Abstract: 本发明公开了一种基于幅相型离散多电平TCNN的MPSK盲检测方法，基于暂态混沌神经网络的全局搜索能力，并利用混沌动力学行为进行全局优化，从而克服了幅相型离散多电平Hopfield神经网络在解决MPSK信号盲检测中易陷入局部最优解和需要多个起点的缺点。
-
公开(公告)号：CN106953820A
公开(公告)日：2017-07-14
申请号：CN201710224545.4
申请日：2017-04-07
Applicant: 南京邮电大学
CPC classification number: H04L25/03165 , H04L1/0038 , H04L25/03923 , H04L2025/03464
Abstract: 本发明提供了基于双Sigmoid复数连续神经网络的信号盲检测方法，所述方法设计了新的激活函数以减弱在0点周围对网络输入值的敏感度；利用新激活函数，在不影响收敛时间的前提下，误码率下降，改善了抗噪声能力；为了提高系统收敛速度，在复数连续Hopfield型神经网络的基础上引入双Sigmoid结构，构建本发明双Sigmoid复数连续Hopfield型神经网，在相同的信噪比条件下，以状态向量和平衡点之间的距离范数为指标，本发明双Sigmoid复数连续Hopfield型神经网络算法比传统双Sigmoid神经网络收敛速率更快，优化了HNN神经网络性能。
-
-
-
-
Search Results
5
records
(took 0.033 seconds)
